《表4 缺陷分类结果：基于PCA和粒子群优化算法的焊点缺陷识别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于PCA和粒子群优化算法的焊点缺陷识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

使用融合后的特征值作为PSO-BP神经网络的输入，输出为焊点的分类结果。BP神经网络输入节点数为5，激励函数选用sigmoid函数，为提高训练效率，设置输出层节点数为2，正常、多锡、少锡、漏焊四种不同类型的焊点输出分别用[0，0]、[0，1]、[1，0]、[1，1]表示。将提取出来的100组特征向量逐一添加到BP神经网络分类器中进行分类训练，设置最大迭代次数为1 000，训练终止误差为0.001。如表4所示为测试的结果，实验结果表明，本研究方法可以比较准确地检测出PCB焊点缺陷，准确率达到了93.22%。